语音文本双向转换方法、装置、设备及介质

本发明涉及语音处理技术领域，可应用于金融科技及医疗健康等业务场景中，公开了一种语音文本双向转换方法、装置、设备及介质，包括：根据输入信息类型，分别执行语音识别或语音合成操作；对于语音信息，结合唇动视频数据生成噪声抑制参数并执行降噪处理，提升识别准确性；对于文本信息，获取预生成的说话人风格向量，并在语音合成过程中引用该向量生成自然的个性化语音，并生成与语音输出同步的唇动信息和触觉反馈。本发明通过融合唇动数据抑制复杂噪声、利用风格向量生成个性语音、输出唇动与触觉信息，实现复杂环境下语音与文本的双向实时转换，有效提升识别准确性、语音自然度和交互同步性。